摩托车加速行驶噪声控制的声强实验研究

对摩托车加速行驶噪声声压级达到最大时的噪声进行频谱分析，研究其噪声特性，并确定了声强实验的工况。用声强法识别出了主要的噪声源，通过对主要部位声强的频谱分析及进、排气噪声的性能分析，进一步研究了噪声源的噪声特性，为加速行驶噪声控制提供了依据。     

基于自适应小波特征提取一体化神经网络的空调电机振动噪声识别

正确识别空凋电机的噪声类型是改善其噪声效果的重要前提，采用一种集特征提取与识别于一体的神经网络来解决这种识别问题。此网络利用Mexican hat小波作为母小波，同时将基于小波变换的特征提取过程融人为神经网络的一部分，网络学习时可针对输入信号对小波尺度和平移参数进行自适应调整，以实现对信号特征信息的充分获取。给出了此网络的学习算法。利用这一网络对空调电机的三种噪声信号即电磁噪声、不平衡噪声、轴承噪声信号进行了学习和识别，结果表明，学习后的网络以很高的可靠性准确地识别出了电机的不同噪声类型。     

小客车车内噪声控制的研究

本文主要介绍了用声压法识别汽车车内主要噪声源的过程，并利用声场分析技术和谱分析技术对小客车车内的主要噪声原进行了分析。在声源识别的指导下，采了邓探索性的降噪措施，使车内噪声级下降了１．２ｄＢＡ￣３．９ｄＢＡ。     

钢球磨煤机的噪声治理

针对发电厂主要噪声污染源钢球磨煤机，通过现场测试分析，识别其噪声产生的根源和频谱特性。结合测试结果和现场实际，制定出有效的综合治理方案，实施后效果显著。     

空调室外机噪声源的系统分析及确定

从振动在固体的传递和噪声在流体的传播两个方面，系统分析空调室外机噪声形成的机制，并应用分别运行和频谱分析的方法来识别空调室外机的噪声源。     

房间空调器室内机的静音化设计

文章分类介绍和分析了房间空调器几种噪声产生的机理，指出控制紊流声和旋转声是室内机降噪的关键，提出了各种噪声的识别办法和解决方法。     

线列阵拖曳自噪声测量及分析

依据外场实测数据的相关分析、波数谱分析等结果，并结合有关国内、外文献，初步分析了线列阵自噪声的空间相关性，识别出几种存在的自噪声源，在验证理论的同时，也为拖线阵的噪声设计提供参考。     

基于小波包和1(1/2)维谱的舰船辐射噪声频域特征提取及融合

舰船辐射噪声频域特征提取是舰船目标识别的关键技术之一。为提高舰船目标识别率，采用小波包和1 1/2维谱对舰船辐射噪声进行多小波包空间调制谱和噪声谱特征提取及融合研究。并用提取的特征对五类舰船目标辐射噪声进行了分类识别实验，结果表明所提特征具有很好的分类识别效果。     

基于单通道算法的内燃机油底壳辐射噪声分离

通过对内燃机的辐射噪声源进行分离和识别,得到的各独立噪声可为其减振降噪和监测诊断提供依据。在内燃机噪声源识别中,燃烧噪声和活塞敲击噪声在时域和频域上均有混叠,很难准确地将其进行分离。在半消音室中进行内燃机振动噪声试验,采集一路内燃机油底壳近场辐射噪声,先对其进行消除趋势项及滑动平均等预处理,减少随机误差成分,然后用集合经验模态分解得到IMF分量,用主分量分析降维,最后用快速独立分量分析进行盲源分离,并结合连续小波时频分析等方法进行识别。研究结果表明:通过采用单通道算法对内燃机油底壳辐射噪声进行分离和识别,可得到各独立分量,分别为内燃机的燃烧噪声和活塞敲击噪声。     

SOFM网络在结构损伤位置识别中的应用

为实现结构的损伤定位，克服BP神经网络受病态样本影响大且抗噪声能力弱等缺点，采用SOFM（Self-Organizing Feature Map）网络，以结构振动组合损伤指标为网络输入，对一桁架结构进行了损伤位置识别研究。识别结果显示SOFM网络能够区分相似样本，由网络的拓扑图可以直观地评价网络训练和识别结果。在不考虑噪声情况下，网络可以正确识别损伤位置，在噪声水平不大于30％情况下，除个别单元外，网络对其他单元损伤的正确识别率均高于95％，显示出很好的抗噪声能力。